Impact Analysis of Inline Inspection Accuracy on Pipeline Integrity Planning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Integrity planning methods and inline inspection (ILI) tool performance have a great impact on a pipeline integrity management program. In pipeline integrity planning, risk and integrity assessments are performed to schedule integrity activities like ILI for the purpose of reducing risks and ensuring reliable and safe operations. In this paper, a method is developed for analyzing the impact of ILI tool accuracy on pipeline integrity planning, which is of great importance but has not been systematically studied before. Crack inspection and threat of fatigue cracking are used as the working case for the analysis, although the approach could potentially be used for any pipeline threat type. The Paris' law degradation model is used for the crack growth and subsequent severity and risk assessment. We investigated the impact of ILI tool accuracy on the cost rate, as well as the associated inspection intervals. The impact on long-term cost rate was also investigated considering new defect generation and continuous growth. Sensitivity analyses were performed. The optimal inspection intervals and the corresponding total cost rates with respect to different ILI tool accuracy and different input parameters were obtained and compared. The proposed method can support integrity management program planning by linking risks with integrity plan costs associated with ILI accuracy and optimal re-assessment intervals. The contributions of this paper mainly include the investigation of the problem of how ILI tool accuracy impacts integrity planning, the development of the method for analyzing pipelines with cracks, and the verification and validation with the examples.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle